• 原文地址：https://www.lixueduan.com/posts/ai/21-openspec+superpowers/
• 原文作者：意琦行

随着 Vibe Coding 的流行，开源社区也是涌现出了大量的 AI 编程工作流，例如： Superpowers、Everything Claude Code、Spec Kit、OpenSpec、gstack、Get Shit Done 等等。今天给大家分享的是 OpenSpec + Superpowers 的协同工作流。

OpenSpec...

• 原文地址：https://martinfowler.com/articles/exploring-gen-ai/sdd-3-tools.html
• 原文作者：Birgitta Böckeler

我一直在尝试理解最新的 AI 编码流行词之一：规格驱动开发（spec-driven development, SDD）。我研究了三个自称为 SDD 工具的工具，并尝试理解它目前的含义。

像许多新兴术语一样，“规格驱动开发”（SDD）的定义仍在不断变化。根据我迄今为止看到的用法，我可以总结如下：规格驱动...

Dify 在 v1.13.0 版本中引入了 Human Input 节点，以支持在工作流关键环节进行人工介入与决策，使用场景如表单填写、流程审批等。

人工节点的表单投递渠道，目前支持 Web App 和 Email 两种方式，但对于通过 API 调用的 Dify 流程，如何提交人工节点的表单数据，并触发流程继续执行，目前还没有清晰的文档说明。

本文以一个实际例子，介绍在 Dify v1.13.3 版本中通过调用接口触发包含人工节点的方式。

构造一个简单的 人工节点测试.yml 流程，先由 LLM...

• 原文地址：Mixture of Experts (MoE)
• 原文作者：Sebastian Raschka

混合专家（Mixture of Experts, MoE）是近年来开源大模型能够拥有极高的总参数量，又不会使每次推理的代价同等昂贵的主要原因之一。

其基本思想是，用多个专家型前馈块（FeedForward blocks）替换单一的稠密前馈块，然后通过路由让每个 token 只激活其中的一小部分。

• 架构画廊
• 《从零构建大模型》章节

引自 大语言模型架构对比：主要结构的变化非...

• 原文地址：https://skae.top/p/copilot-api/
• 原文作者：^薄荷布丁^

这篇文章教你怎么自己编写代码，把你的Github Copilot订阅的API接出来用。

大致流程是：

1. 发起 Device Flow 请求，获取device_code和user_code（XXXX-XXXX）。
2. 在浏览器访问 https://github.com/login/device，输入`user_code`。
3. 轮询换取access_token（ghu_开头的 token）。
4. 用access_token...

在 浅析 Embedding 模型 中，我们分析了 MedImageInsight 的 Text Encoder，本文将继续基于 lion-ai/MedImageInsights 版本（以下简称 MI2），分析其 Image Encoder，以及 MI2 是如何对图像和文本的嵌入结果进行相似度预测的。

MedImageInsight/ImageEncoder 中实现了 Convolutional Swin Transformer 和 DaViT 两个版本的 Encoder。
在 2024.09.27...

• 原文地址：https://my.oschina.net/u/876354/blog/3064227
• 原文作者：雪饼

卷积（convolution）是深度学习中非常有用的计算操作，主要用于提取图像的特征。在近几年来深度学习快速发展的过程中，卷积从标准卷积演变出了反卷积、可分离卷积、分组卷积等各种类型，以适应于不同的场景，接下来一起来认识它们吧。

卷积核（Kernel）：卷积操作的感受野，直观理解就是一个滤波矩阵，普遍使用的卷积核大小为3×3、5×5等；

步长（Stride）：卷积核遍历特征图...

在 MedImageInsight 中，介绍了由微软发表，第三方发布的医学图像嵌入模型，本文将以其中的 Text Encoder 为例，浅析 Embedding 模型的工作原理。

Embedding 模型是一种将高维数据（如文本、图像等）转换为低维向量表示的模型。通过这种转换，模型能够捕捉数据的语义信息，使得相似的数据在向量空间中距离更近。

以 lion-ai/MedImageInsights 中的 Text Encoder 为例（其使用的分词器只支持英文），输入 ["lumbar spine...

https://docs.pytorch.org/docs/stable/generated/torch.nn.Embedding.html#torch.nn.Embedding

nn.Embedding(num_embeddings, embedding_dim) 可以看成是一个查表词典：

• 有 num_embeddings 行，每一行是一个 embedding_dim 维的向量。
• 输入是索引（比如单词 ID、类别 ID），输出是对应行的向量。

max_norm 的作用：

给这个“词典...